动态需求的多车型车辆调度问题及云遗传算法

根据动态信息产生的时间点不同提出时间轴概念,利用时间轴将动态车辆调度问题转化为一系列的静态车辆调度问题,建立考虑车载率和油耗的综合费用为优化目标的车辆调度模型.利用云模型云滴的随机性和稳定倾向性改进自适应遗传算法中交叉率和变异率设置方式,设计云自适应遗传算法对车辆调度问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.     

非满载车辆调度问题的遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意。本文采用最大保留交叉、交叉率和变异率自适应变换等技术,设计了基于自然数编码的遗传算法,用于求解非满载车辆调度问题,在实验分析中获得了较好的结果。     

多车型动态车队调度问题的算法设计及求解

对多车型动态车队调度问题的时空分解模型进行进一步改进,引入控制向量ξt和ul,设计了控制向量的确定与更新过程,并给出基于控制向量更新的算法流程,最后,用实例验证了算法的可行性.     

基于免疫遗传算法的双向车辆调度问题实现

在对双向车辆路径问题(DVSP)简要叙述的基础上建立了DVSP数学模型.针对DVRP,构造一种的免疫遗传算法来求解DVSP,提出了一种自然数编码方法、交叉算子的自适应机制.并将求解结果与其它启发式算法比较.比较结果表明,该算法对于求解DVSP问题具有较好的性能和更好的鲁棒性.     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

有时间窗约束非满载车辆调度问题的遗传算法

利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题。针对非满载的VRP问题具有组问无序、组内有序的特性，采用一种有效的改进交叉算子，最大程度的保留了父代的优良特性并增强了算法的寻优能力，避免了早熟现象的发生，应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真，得出了最优解，证明了本算法的优越性。     

基于禁忌遗传算法的邮政运输车辆调度问题

为提高邮政运输网络的整体运行效率,提出一种集三级中心选址和车辆调度于一体的混合邮政运输车辆调度模型。模型同时涉及到邮件的送取、多种车型调度和区域规划等问题。模型的求解分为两个相互关联的阶段,第一阶段确定三级中心局和划分区域并完成中心局之间的邮件配送;第二阶段求解各三级中心局内部的车辆调度问题,并将结果返回到第一阶段;两个阶段分别采用中心分配法和禁忌遗传混合算法。最后,以贵州邮政的实际生产数据对模型和算法进行实证分析,验证了模型和算法的有效性和实用性。     

实时条件下多车辆路径与调度

研究实时条件下的多车辆路径与调度问题，重点研究了多种费用，包括车辆空驶费用、任务延迟费用和任务拒绝费用下的问题模型及求解。给出了问题的数学描述，并对其静态问题，构造了一个混合整数规划模型。随后提出了两种滚动时域求解策略。最后通过仿真实例，对几种策略的性能进行了对比。     

可行批调度问题及其遗传算法

对判定问题一是否存在使所有需求都可按时满足的调度一进行了研究,通过将其转化成等价的可行批调度问题,分析可行批调度的性质,把问题的解自然表示成了二进制编码的形式,在此基础上,提出了相应的遗传算法,它克服了调度研究中常用的基于排列编码的遗传算法的缺点,仿真结果验证了算法的有效性.     

求解带装载能力限制的开放式车辆路径问题的遗传算法

对带装载能力限制的开放式车辆路径问题的求解进行了研究,提出了一种用于求解该问题的遗传算法.对算法中几个关键操作的不同实现方式的性能进行了比较.给出了算法对标准测试算例的运算结果,并与文献中目前最好的结果进行了比较和分析.     

求解带软时间窗的车辆路径问题的改进遗传算法

带软时让窗的车辆路径问题(VRPSTW)是在基本的车辆路径问题(VRP)上增加了时间窗约束条件的一种更化形式，是一个典型的NP-难问题。通过引用一种新的编码方法、交叉和变异概率的自适应机制，构造一个改进的遗传算法来求解VRPSTW，并将求解结果与其他遗传算法比较。比较结果显示，该算法具有较好的性能。     

带软时间窗物流配送车辆路径问题的并行遗传算法

针对一般遗传算法在求解有时间窗车辆路径问题时初始种群的单一性,提出一种新的算法.该算法对不同的种群用不同的初始化方法--随机初始化法和构造初始化法,这种算法改变了过去那种种群内部的平衡.并将该算法所得结果与其他算法进行比较,表明该算法的合理性.     

一种有时间约束的多车辆协作路径模型及算法

分析了有时间约束的基于多车辆协作的随机路径问题。提出了问题的随机规划期望值模型。设计了问题中的两车辆协作的随机路径问题的遗传算法，在遗传算法中采用时间惩罚过滤算子优化了初始种群，提高了收敛速度。给出了算法的应用示例。表明了模型和算法是多车辆协作随机路径问题的一种有效算法。为研究多车辆协作的随机路径问题提供了新的理论和方法。     

动态网络车辆路径问题:研究现状及展望

在介绍动态网络车辆路径问题发展历程的基础上，对其定义的范畴作了进一步的扩展，分析其具备的宏观及微观特征，并将动态网络车辆路径问题按照网络类型进行分类，总结近年来有关学者在建立模型及算法求解上的研究成果，最后分析该领域未来的发展方向。     

求解多车场车辆路径问题的分散搜索算法

提出了一种求解多车场车辆路径问题(Multi-depot Vehicle Routing Problem,MDVRP)的分散搜索算法(Scatter Search,SS).该算法基于顾客信息进行编码,采用扫描算法(Sweep algorithm)与最优划分过程产生待选解集;通过启发式规则选择不同解包含的弧来生成新解;并由2-交换、2-交换*及最坏移出-预测插入启发式三种局部搜索策略构成迭代下降算法对解进行改进.通过采用文献中随机生成的小规模数据及MDVRP的Benchmark问题对算法进行测试,验证了算法的有效性.     

车辆路线安排的改进节约算法

节约算法是一种简单适用的解决车辆路线安排的启发式算法,但是它存在一定的缺陷和不足.根据最优解的两个性质定理,本文提出对节约算法的改进思路,以提高节约算法的效率,更好地解决车辆路线安排问题.     

最小-最大车辆路径问题的禁忌搜索算法

在对最小-最大车辆路径问题进行描述的基础上,建立了该问题的基本数学模型。针对最小-最大车辆路径问题的目标是最小化整个线路的最长子线路,本文提出了改进的禁忌搜索算法,并用一些典型算例进行了验证。计算结果表明,用该算法求解最小-最大车辆路径问题,不仅可以取得较好的计算结果,而且算法的计算效率较高,收敛速度较快。     

复杂信息条件下敏捷物流配送问题的动态分析

“合理物流配送”是敏捷物流得以实现的根本保证。但是，传统的车辆配送模型不适应敏捷物流的需要。在分析敏捷物流的特点和各种各样的复杂信息的基础上，提出复杂信息条件下的敏捷物流配送模型。结合排队论、组合优化的知识，提出了动态分析与确定的预处理相结合的的2段法对于新的配送模型进行求解。通过理论分析和大量的实验仿真及实际操作，证明模型的可行性和方法的有效性。